/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Базовая модель
Qwen2-0.5B-Instruct
Библиотека
transformers
Опубликована
20 авг 2026

GRPO_experiment

Генерация текстаТекст → текст3 профессии

Дообученная на базе Qwen2-0.5B-Instruct модель для диалоговой генерации текста и ответов на запросы.

24скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Prience91 разработал GRPO_experiment — дообученную версию Qwen/Qwen2-0.5B-Instruct, обученную с помощью TRL. Это компактная плотная языковая модель семейства Qwen2 с 494 млн параметров, предназначенная для генерации текста в диалоговом формате и ответов на запросы. В карточке приведён пример запуска через Transformers для генерации ответа на вопрос; метаданные указывают контекстное окно 32 768 токенов и поддержку чата.

Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана, поэтому условия использования установить нельзя. Карточка не приводит результатов оценки качества или более подробного описания обучения GRPO.

Сценарии применения

  • ответы на вопросы в чате
  • генерация продолжений диалога
  • создание кратких текстовых ответов

Ограничения

В карточке нет результатов оценки качества или подробностей о данных и методике обучения; лицензия не приведена в доступных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for GRPO_experiment

This model is a fine-tuned version of Qwen/Qwen2-0.5B-Instruct. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Prience91/GRPO_experiment", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with GRPO, a method introduced in DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models.

Framework versions

  • TRL: 1.9.1
  • Transformers: 5.10.1
  • Pytorch: 2.11.0
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citations

Cite GRPO as:

@article{shao2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
95c00df

0 моделей